數據匿名化 可用不可看 (車品覺)
「匿名數據」（Anonymous data）為什麼對未來數據驅動（Data Driven）很重要？典型的匿名數據是把資料中一些敏感個人訊息，例如名字和電郵地址等個別特徵剝離，我叫作De-identify，以便讓個人身份無法被識別出來。經過這個過程後，數據可以合法地自由使用並轉移給第三方。從醫療保健、金融科技到廣告領域，「匿名化」數據使用也隨着個人私隱意識加強而日益吃重。
然而，弔詭的地方是匿名數據可以被還原，當有足夠的數據量通過機器學習，進行逆向技術以重新識別某個體不是難事。
美國有研究指出，可以使用15個較通用的特徵（包括年齡、性別和婚姻狀況等）在任何已經被「匿名」的數據中，正確地重新識別99.98%的個人。
另外，有研究人員開發了工具，允許所有人檢查自己的匿名程度。只要提供部分的郵政編碼、性別和出生日期（不包括年份），軟件會計算出在任何匿名數據中重新被識破的概率。如果你願意再提供婚姻及就業狀況等，很快個人身份就在匿名數據中原形畢露。
數據可用不可看，這才是數據應用全力推進的前提。（法新社資料圖片）
事實證明匿名並不是真的安全，早在2012年，英國教育部舉辦了一場活動，旨在展示匿名數據的有效性。然而，參加該活動的一名學生很快就能從這些數據中認出自己，原因是他以高分通過的其中一個考試僅有較少人參與。
我們經常獲保證，指匿名化將使我們的個人訊息安全。但事實證明，去身份標識遠遠不足以保護人們的數據私隱。匿名化的標準必須變得更健全，同時足夠應對新科技所產生的新威脅。
近年數據安全技術發展蓬勃，並隨着大數據應用而大受關注。其中有3個技術特別值得留意：
1）差分私隱（Differential Privacy）：當從統計數據庫查詢時，最大化數據查詢的準確性， 同時最大限度減少識別其紀錄的機會。
2）同態加密（Homomorphic Encryption）：在不解密的條件下，對加密數據內容進行有限度運算及分析，而不會影響保密性。
3）聯邦學習（Federated Learning）：在數據不共享的情況下，一種加密的分布式機器學習，參與各方可以在不披露底層數據和相關加密形態的前提下共建模型。
幾年前在阿里的時候，我們一直提倡希望做到「數據可用不可看」，也許這才是數據應用全力推進的前提。
更多車品覺文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
 - EJ Tech){kind=link}
){kind=link}